Почему внедрение ИИ буксует в ритейле и производстве — и как это исправить?

Внедрение технологий искусственного интеллекта (ИИ) в бизнес-процессы российских компаний стремительно набирает обороты. Согласно исследованию консалтинговой компании «Яков и Партнёры», к лету 2024 года 54% российских компаний интегрировали решения на базе генеративного ИИ хотя бы в одну функцию, тогда как годом ранее таких внедрений практически не было.

Рост интереса к ИИ обусловлен его значительным экономическим потенциалом. По оценкам экспертов, к 2030 году реализация технологий генеративного ИИ может принести странам БРИКС+ экономический эффект в размере от 350 до 600 млрд долларов США. При этом около 70% этого эффекта ожидается в шести ключевых отраслях: банковском секторе, розничной торговле, машиностроении, энергетике, электронике и ИТ.

В розничной торговле, в частности, прогнозируется финансовый эффект от внедрения генеративного ИИ в диапазоне 45–70 млрд долларов США. Это подчёркивает важность использования ИИ для оптимизации процессов управления ассортиментом и низколиквидными остатками, что особенно актуально для российского рынка.

Однако, несмотря на впечатляющие перспективы, многие компании сталкиваются с вызовами при внедрении ИИ. Сопротивление изменениям, страх утраты контроля и недостаток координации между департаментами остаются серьёзными препятствиями. Преодоление этих барьеров требует чёткого понимания целей внедрения ИИ, выбора подходящей архитектуры решений и ориентации на успешные отраслевые кейсы.

ИИ в бизнесе — работает только при чётко поставленных целях и комплексном подходе к процессам. Особенно это касается крупных компаний, где внедрение ИИ обещает кратный рост эффективности, но на деле часто заканчивается либо "пилотом в стол", либо переговорами ни о чём. Почему так происходит, давайте разберем.

ИИ — это не волшебный шар, который решит все проблемы "по вдохновению". Особенно это касается предиктивных систем: чтобы они заработали, данные должны быть точными, размеченными, актуальными.Многие компании накапливают петабайты информации в ERP, IBP, APS, MES, WMS, TMS, CRM, SRM системах, но не все данные пригодны для обучения ИИ, потому что они могут быть некачественные, неконсистентные, в результате ИИ пытается найти закономерности, объяснить все данные, запоминая и учитывая ошибки, в итоге ошибочные прогнозы. Затем следует вывод: "Технологии на базе ИИ не работают".

Здесь еще важно отметить, что вся ответственность за решения ИИ остаётся всё равно на человеке.

По данным консалтинговой компании "Яков и Партнёры", доля компаний, использующих ИИ в торговле, выросла с 19% в 2021 году до 35% в 2023 году. Потенциальный экономический эффект в ритейле к 2027 году может превысить 1 трлн рублей. Но барьер в восприятии технологии остаётся.

Средний менеджмент воспринимает ИИ как угрозу: "меня заменят", "система примет решение без меня". Хотя на деле задача ИИ — автоматизировать рутину и предложить наиболее вероятные сценарии. Окончательное решение остаётся за человеком. Искусственный интеллект — не заместитель, а помощник.

Все системы на базе ИИ, в том числе и наша цифровая система Novo Forecast Enterprise требует слаженной работы департаментов: продаж, логистики, закупок, маркетинга, IT, аналитики. У каждого — свои KPI, цели, задачи. Без единого центра координации и поддержки на уровне первого лица такие проекты не реализуются.

Пример: крупная агропромышленная компания не могла наладить продажи через маркетплейсы. E-commerce-отдел подстраивался под общие логистические ритмы, а доставка занимала до 5 дней. После внедрения IBP-модуля с ИИ удалось выделить ecom-поток в отдельную цепочку — с учётом регионального спроса и логистики. Продажи выросли, а издержки остались под контролем.

Но такие решения возможны только при участии всех структур и чёткого распределения ответственности.

Цифровая архитектура компании должна быть выстроена с учётом функциональности всех ключевых систем:

Практика показывает, что именно прикладные решения ИИ дают максимальный эффект в конкретных отраслей бизнеса. Один из ярких примеров — кейс консалтинговой компании "Яков и Партнёры", которая выступит с этим проектом на SUPPLY & DEMAND PLANNING CONFERENCE. Компания представит подход к управлению ассортиментом и низколиквидными остатками с использованием предиктивных механизмов. В онлайн и офлайн-ритейле это одна из наиболее острых проблем: нужно эффективно управлять остатками, промоакциями и ценами, снижая возвраты и стимулируя продажи.

Система, разработанная в партнёрстве с искусственным интеллектом, позволяет:

Такие примеры доказывают, что при правильной постановке задач, наличием выстроенной ИТ- инфраструктуры искусственный интеллект может работать, как полноценный помощник.

Сегодня цифровые технологии интересуют не только CIO, круг заинтересованных лиц значительно расширился, теперь это операционные директора, директора по логистике и планированию, руководители цепочек поставок. Интерес к таким технологиям особенно высок в сегментах с широкой SKU-матрицей и сложной логистикой, поэтому на рынке активно развиваются профильные конференции, которые дают возможность познакомиться с практическими кейсами, обменяться опытом и пообщаться с экспертами по планированию и прогнозированию. Поэтому наша компания Novo BI уже 5 год подряд проводит конференцию SUPPLY & DEMAND PLANNING CONFERENCE. Это ежегодная площадка для обсуждения актуальных вопросов рынка, включая применение ИИ в цепочках поставок и управлении спросом.